Prompt library-তে ফিরে যান
Prompt libraryChat Prompt

Bug রিপোর্ট নরমালাইজার Chat

খসড়া customer bug report-কে reproducible steps, expected behavior, actual behavior এবং missing data-তে রূপ দিন।

সাপোর্টইঞ্জিনিয়ারিংকোয়ালিটি
Preview

Chat Prompt

Recommended model

Gemini 3 Flash

Output format

Bug রিপোর্ট

Preview

Chat Prompt

chat thread

User বলছেন video export upload-এর পর দুবার freeze করেছে, তারপর credits বদলে গেছে। তারা Chrome ব্যবহার করেছেন, কিন্তু task ID পাঠাননি।

Summary: video export upload-এর পর freeze করছে এবং visible credits প্রভাবিত হতে পারে। Steps to reproduce: video upload করুন, export শুরু করুন, processing শুরু হওয়ার পর freeze হচ্ছে কি না observe করুন। Expected behavior: export সম্পন্ন হবে অথবা clear failure ফেরত দেবে। Actual behavior: user report অনুযায়ী page দুবার freeze করেছে। Missing data: task ID, timestamp, file size, account email, credit balance before and after।

Output

সারাংশ / reproduce করার ধাপ / প্রত্যাশিত আচরণ / বাস্তব আচরণ / অনুপস্থিত তথ্য

root cause না বানিয়ে customer language এবং engineering triage-এর মধ্যে সেতু তৈরি করে।

সম্পূর্ণ প্রম্পট

Bug রিপোর্ট নরমালাইজার Chat

খসড়া customer bug report-কে reproducible steps, expected behavior, actual behavior এবং missing data-তে রূপ দিন।

Recommended model: Gemini 3 FlashOutput format: Bug রিপোর্ট
সম্পূর্ণ প্রম্পট
Chat Prompt
আপনি একজন product support engineer, যিনি bug report normalizing করছেন। ব্যবহারকারীর খসড়া ভাষাকে এমন report-এ রূপ দিন যা engineering triage করতে পারে। উত্তর দিন এই অংশগুলোসহ: summary, steps to reproduce, expected behavior, actual behavior, missing data। root cause দাবি করবেন না। user quotes-কে inferred reproduction steps থেকে আলাদা রাখুন।

ব্যবহারের নোট

input-এ raw customer wording রাখুন, কিন্তু engineering-এর দরকার নেই এমন personal data সরিয়ে দিন।

প্রম্পট FAQ

এই prompt ব্যবহার করার আগে

Input, model fit এবং result দুর্বল না করে template adapt করার উপায় দ্রুত যাচাই করুন।

Bug রিপোর্ট নরমালাইজার Chat কখন ব্যবহার করা উচিত?

খসড়া customer bug report-কে reproducible steps, expected behavior, actual behavior এবং missing data-তে রূপ দিন। যখন আপনার কাছে notes, constraints বা rough draft আছে এবং team review করতে পারে এমন structured next step দরকার, তখন এটি ব্যবহার করুন।

চালানোর আগে কী include করা উচিত?

source material, audience, constraints, key facts এবং answer যা invent করবে না সেই boundaries include করুন। output Summary / steps to reproduce / expected behavior / actual behavior / missing data হিসেবে organized হয়।

Thread preview

User বলছেন video export upload-এর পর দুবার freeze করেছে, তারপর credits বদলে গেছে। তারা Chrome ব্যবহার করেছেন, কিন্তু task ID পাঠাননি।
Summary: video export upload-এর পর freeze করছে এবং visible credits প্রভাবিত হতে পারে। Steps to reproduce: video upload করুন, export শুরু করুন, processing শুরু হওয়ার পর freeze হচ্ছে কি না observe করুন। Expected behavior: export সম্পন্ন হবে অথবা clear failure ফেরত দেবে। Actual behavior: user report অনুযায়ী page দুবার freeze করেছে। Missing data: task ID, timestamp, file size, account email, credit balance before and after।

Output

সারাংশ / reproduce করার ধাপ / প্রত্যাশিত আচরণ / বাস্তব আচরণ / অনুপস্থিত তথ্য

এই mode-এর আরও prompt

chat thread

আমরা ছোট ecommerce team-এর জন্য একটি AI assistant বানাতে চাই, যা product photo-কে campaign asset-এ রূপ দেবে।

Problem hypothesis: ছোট ecommerce team raw product photo-কে channel-ready campaign asset-এ রূপ দিতে সময় হারায়। Riskiest assumptions: photo quality যথেষ্ট ভালো, team AI asset variation-এ আস্থা রাখে, এবং review time-ই আসল bottleneck। Research questions: campaign asset creation-এর মালিক কে, revision কোথায় আটকে যায়, এবং কোন quality bar publishing আটকায়। Validation plan: 5 জন operator interview করুন, 3টি prompt-led asset flow test করুন, এবং time-to-first-approved asset তুলনা করুন। Decision gate: team যদি তাদের current workflow-এর চেয়ে দ্রুত publishable draft-এ পৌঁছাতে পারে, তবেই চালিয়ে যান।

chat thread

আমরা solo consultant-দের জন্য একটি নতুন AI notes product explore করছি। এটিকে research brief-এ রূপ দিতে সাহায্য করুন।

Objective: solo consultants-এর AI notes workspace দরকার, নাকি হালকা client-follow-up layer যথেষ্ট - তা নির্ধারণ করা। Working assumptions: তারা ইতিমধ্যেই notes capture করে, কিন্তু synthesis এবং next-step drafting অসঙ্গত। Audience: recurring client call আছে এবং operations support সীমিত এমন solo consultants। Key questions: কোন notes billable work-এ পরিণত হয়, call-এর পরে কী হারিয়ে যায়, এবং কোথায় CRM tools বেশি ভারী লাগে। Research plan: 6টি interview চালান, সাম্প্রতিক 10টি call-note workflow review করুন, এবং একটি follow-up brief prototype test করুন।

chat thread

আমাদের AI product landing page-এর outline এখানে দিলাম। design করার আগে কী অস্পষ্ট আছে বলুন।

Core promise: দেখা যাচ্ছে, কিন্তু এখনও concrete user outcome-এর বদলে feature হিসেবে framed। Unclear point: page-টি আগে কে value পায় বা signup-এর পর workflow কীভাবে বদলায় তা ব্যাখ্যা করে না। Example gap: hero-র কাছে before-after example, model output sample এবং একটি ছোট trust signal যোগ করুন। CTA issue: primary action অনেক ব্যাখ্যার পরে আসে; quick-use section-এর কাছে use-oriented CTA সরিয়ে আনুন। Revision plan: hero sharpen করুন, outcome card যোগ করুন, তারপর visual polish-এর আগে objection rewrite করুন।